基于图像注意力和Transformer的电力线绝缘子分割方法

摘要

为了解决绝缘子区域自动化识别过程中因输电线路背景复杂所导致的绝缘子分割准确度较低的问题，提出一种融合注意力机制和Transformer的改进Deep Labv3 Plus网络模型。采用图像注意力模块替换DeepLabv3Plus骨干网络中的原空洞空间卷积池化金字塔，对不同层次的特征进行组织再利用，从而充分发挥不同尺度特征在分割中的不同作用，使模型能够更加专注于绝缘子的分割区域及其边缘；将使用多个TransformerBlock级联成的模块所捕获全局的语义特征信息作为原网络中局部信息提取的补充，增强了网络获取长距离特征的能力，同时更有利于利用图像内不同层次的特征进行分割。实验结果表明，该方案可使模型对电力线绝缘子的分割精度提升1%以上，使分割边缘更加接近实际图像。该结果验证了所提方法在提升绝缘子分割精度方面的有效性。

关键词

绝缘子 / 图像分割 / Transformer / 特征融合 / 卷积神经网络